Tổng quan nghiên cứu

Trong ngành sản xuất dược phẩm, đặc biệt là vaccine, việc đảm bảo chất lượng nắp cao su chai vaccine đóng vai trò then chốt trong việc bảo vệ chất lượng sản phẩm và sức khỏe người dùng. Theo ước tính, các khuyết tật bề mặt trên nắp cao su có thể gây ảnh hưởng nghiêm trọng đến chất lượng dược phẩm bên trong, từ đó ảnh hưởng đến sức khỏe con người và động vật. Quá trình sản xuất vaccine diễn ra trong môi trường phòng sạch tiêu chuẩn, đòi hỏi hệ thống đóng nắp phải tự động, chính xác và hạn chế tối đa sự tiếp xúc với môi trường bên ngoài. Mục tiêu nghiên cứu của luận văn là phát triển giải pháp phát hiện lỗi bề mặt và cấp nắp cao su chai vaccine trong quá trình đóng nắp, nhằm nâng cao hiệu quả kiểm soát chất lượng và năng suất sản xuất.

Phạm vi nghiên cứu tập trung vào hệ thống cấp phôi linh hoạt, hệ thống thị giác máy phát hiện khuyết tật bề mặt nắp cao su và cơ cấu loại bỏ nắp cao su lỗi bằng vòi thổi khí nén. Nghiên cứu được thực hiện trong môi trường phòng sạch tại Trường Đại học Bách Khoa Hà Nội, với dữ liệu thu thập từ 1500 ảnh nắp cao su, trong đó có 300 ảnh chứa khuyết tật. Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao tỷ lệ phát hiện khuyết tật lên đến 86.1% ở cấp độ hình ảnh và 98% ở cấp độ pixel, đồng thời đảm bảo tốc độ xử lý 100 khung hình/giây, đáp ứng yêu cầu sản xuất hàng loạt trong công nghiệp dược phẩm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn áp dụng hai lý thuyết chính trong phát hiện khuyết tật bề mặt:

  1. Học máy và học sâu (Machine Learning & Deep Learning): Sử dụng mạng nơ-ron tích chập (CNN) và mô hình ResNet18 để trích xuất đặc trưng hình ảnh, phục vụ cho việc phân loại và phát hiện khuyết tật. Mạng ResNet18 được huấn luyện trước trên tập dữ liệu ImageNet, sau đó được tinh chỉnh cho nhiệm vụ phát hiện bất thường trên nắp cao su.

  2. Phương pháp phát hiện bất thường không giám sát (Anomaly Detection): Áp dụng khung học sinh-giáo viên đối sánh kim tự tháp (Student-Teacher Matching Pyramid - STMP) để phát hiện các dị thường dựa trên đa số dữ liệu bình thường và một số ít dữ liệu khuyết tật được gán nhãn. Phương pháp này cho phép phát hiện bất thường ở cả cấp độ hình ảnh và pixel mà không cần một lượng lớn dữ liệu khuyết tật.

Các khái niệm chính bao gồm: đặc trưng hình ảnh, bản đồ dị thường, học không giám sát, học bán giám sát, và kỹ thuật nội suy song tuyến trong xử lý ảnh.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là 1500 ảnh nắp cao su chai vaccine, trong đó 300 ảnh chứa khuyết tật bề mặt được gán nhãn chi tiết ở cấp độ pixel. Dữ liệu được thu thập bằng hệ thống camera công nghiệp HIKVision với cảm biến CMOS 1/2 inch, độ phân giải 1280x1024 pixels, tốc độ 170 FPS, kết hợp với ống kính Basler 50 mm và hệ thống chiếu sáng LED vành tròn.

Phương pháp phân tích bao gồm:

  • Tiền xử lý ảnh: cắt ảnh, loại bỏ nền, chuẩn hóa kích thước về 512x512 pixels.
  • Gán nhãn khuyết tật bằng phần mềm Label Studio.
  • Huấn luyện mô hình STMP trên nền tảng CPU Intel i7, RAM 16GB, sử dụng thư viện Pytorch và OpenCV.
  • Tích hợp hệ thống điều khiển vi điều khiển STM32F030F4 để điều khiển cơ cấu vòi thổi khí nén loại bỏ nắp cao su lỗi.
  • Thời gian nghiên cứu kéo dài trong năm 2023, với các giai đoạn thu thập dữ liệu, phát triển mô hình, tích hợp hệ thống và thử nghiệm thực nghiệm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu suất phát hiện khuyết tật: Mô hình STMP đạt tỷ lệ phát hiện khuyết tật ở cấp độ hình ảnh là 86.1% và cấp độ pixel là 98%, cho thấy khả năng nhận diện chính xác các lỗi bề mặt như vết xước, lỗ thủng và các khuyết tật khác.

  2. Tốc độ xử lý: Hệ thống xử lý ảnh đạt tốc độ 100 khung hình/giây, đáp ứng yêu cầu vận hành trong dây chuyền sản xuất vaccine với năng suất cao.

  3. Năng suất cấp phôi: Máy rung cấp phôi kết hợp băng tải vận chuyển đạt vận tốc băng tải 112 mm/s, đảm bảo năng suất cấp phôi liên tục và định hướng chính xác.

  4. Hiệu quả loại bỏ phôi lỗi: Cơ cấu vòi thổi khí nén với áp suất 0.5 MPa và đường kính vòi 1.5 mm loại bỏ hiệu quả các nắp cao su lỗi trong thời gian 0.5 giây, đảm bảo không làm gián đoạn dây chuyền.

Thảo luận kết quả

Nguyên nhân của hiệu suất cao trong phát hiện khuyết tật là do sự kết hợp giữa hệ thống thu nhận ảnh chất lượng cao, phương pháp xử lý ảnh tiên tiến và mô hình học sâu STMP phù hợp với đặc điểm dữ liệu thiếu nhãn. So với các nghiên cứu trước đây chỉ sử dụng học có giám sát hoặc xử lý ảnh truyền thống, phương pháp học không giám sát bán giám sát giúp giảm thiểu chi phí gán nhãn và tăng tính linh hoạt trong phát hiện các khuyết tật chưa biết trước.

Biểu đồ so sánh tỷ lệ phát hiện khuyết tật giữa mô hình STMP và mô hình PatchCore cho thấy STMP vượt trội hơn khoảng 5-7% về độ chính xác. Bảng thống kê thời gian xử lý và tỷ lệ loại bỏ phôi lỗi cũng minh chứng cho hiệu quả tích hợp hệ thống.

Ý nghĩa của kết quả là hệ thống có thể ứng dụng thực tế trong dây chuyền sản xuất vaccine, nâng cao chất lượng sản phẩm, giảm thiểu rủi ro sức khỏe và tăng năng suất sản xuất.

Đề xuất và khuyến nghị

  1. Mở rộng bộ dữ liệu huấn luyện: Thu thập thêm dữ liệu nắp cao su khuyết tật đa dạng hơn để nâng cao độ chính xác và khả năng tổng quát của mô hình phát hiện.

  2. Nâng cấp phần cứng xử lý: Sử dụng card đồ họa GPU chuyên dụng để tăng tốc độ huấn luyện và xử lý ảnh, giảm thời gian phản hồi trong dây chuyền sản xuất.

  3. Cải tiến thuật toán: Nghiên cứu và áp dụng các thuật toán học sâu mới như Transformer hoặc mạng nơ-ron tích chập sâu hơn để cải thiện khả năng phát hiện các khuyết tật phức tạp.

  4. Tối ưu hệ thống điều khiển: Phát triển phần mềm điều khiển vi điều khiển với khả năng xử lý đa luồng và giảm thiểu độ trễ trong việc điều khiển vòi thổi khí nén, đảm bảo loại bỏ chính xác phôi lỗi.

  5. Triển khai thực tế: Đề xuất lắp đặt hệ thống tại các nhà máy sản xuất vaccine trong vòng 6-12 tháng tới, đồng thời đào tạo nhân viên vận hành và bảo trì hệ thống.

Đối tượng nên tham khảo luận văn

  1. Các nhà nghiên cứu và sinh viên ngành Kỹ thuật Cơ điện tử: Nghiên cứu về ứng dụng thị giác máy và học sâu trong tự động hóa sản xuất.

  2. Chuyên gia phát triển hệ thống tự động hóa trong ngành dược phẩm: Áp dụng giải pháp phát hiện lỗi và loại bỏ phôi lỗi trong dây chuyền sản xuất vaccine và dược phẩm.

  3. Kỹ sư thiết kế hệ thống thị giác máy: Tham khảo phương pháp xử lý ảnh, lựa chọn phần cứng và tích hợp hệ thống điều khiển.

  4. Quản lý sản xuất và kiểm soát chất lượng: Hiểu rõ về tầm quan trọng của kiểm tra ngoại quan tự động và cách nâng cao năng suất, chất lượng sản phẩm.

Câu hỏi thường gặp

  1. Phương pháp phát hiện khuyết tật nào được sử dụng trong nghiên cứu?
    Phương pháp chính là khung học sinh-giáo viên đối sánh kim tự tháp (STMP), một kỹ thuật học bán giám sát phát hiện bất thường dựa trên đa số dữ liệu bình thường và một số ít dữ liệu khuyết tật được gán nhãn.

  2. Hệ thống có thể phát hiện những loại khuyết tật nào trên nắp cao su?
    Hệ thống phát hiện được các khuyết tật phổ biến như vết xước bề mặt, lỗ thủng, nứt tế vi và các dị vật như kim loại hoặc sợi chỉ trên bề mặt nắp cao su.

  3. Tốc độ xử lý của hệ thống là bao nhiêu?
    Hệ thống xử lý ảnh đạt tốc độ 100 khung hình trên giây, phù hợp với yêu cầu sản xuất hàng loạt trong công nghiệp vaccine.

  4. Cơ cấu loại bỏ phôi lỗi hoạt động như thế nào?
    Cơ cấu sử dụng vòi thổi khí nén với áp suất 0.5 MPa để loại bỏ nhanh chóng các nắp cao su lỗi khỏi băng tải trong vòng 0.5 giây, đảm bảo không làm gián đoạn dây chuyền.

  5. Làm thế nào để nâng cao hiệu quả của hệ thống trong tương lai?
    Có thể mở rộng bộ dữ liệu huấn luyện, nâng cấp phần cứng xử lý, cải tiến thuật toán học sâu và tối ưu hệ thống điều khiển để tăng độ chính xác và tốc độ xử lý.

Kết luận

  • Luận văn đã phát triển thành công hệ thống phát hiện lỗi bề mặt và cấp nắp cao su chai vaccine tự động, đạt hiệu suất phát hiện 86.1% ở cấp độ hình ảnh và 98% ở cấp độ pixel.
  • Hệ thống tích hợp máy rung cấp phôi, băng tải vận chuyển và cơ cấu loại bỏ phôi lỗi bằng vòi thổi khí nén, đảm bảo năng suất và chất lượng trong dây chuyền sản xuất vaccine.
  • Phương pháp học bán giám sát STMP giúp giải quyết thách thức thiếu dữ liệu khuyết tật, nâng cao tính linh hoạt và hiệu quả phát hiện.
  • Kết quả thử nghiệm thực nghiệm chứng minh tính khả thi và hiệu quả của hệ thống trong môi trường phòng sạch sản xuất dược phẩm.
  • Đề xuất mở rộng nghiên cứu và triển khai thực tế trong vòng 6-12 tháng tới nhằm nâng cao năng suất và chất lượng sản phẩm vaccine.

Quý độc giả và các nhà nghiên cứu quan tâm có thể liên hệ để trao đổi, hợp tác phát triển và ứng dụng giải pháp trong thực tế sản xuất dược phẩm hiện đại.